EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal

Jonathan Joel Mendoza Vélez, Roberth Abel Alcívar Cevallos

Revista Científica Multidisciplinar G-nerando · 20.11.2025 · 6 (2)

DOI: 10.60100/rcmg.v6i2.842 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista Científica Multidisciplinar G-nerando, online erschienen am 20.11.2025. Verfasst von Jonathan Joel Mendoza Vélez und 1 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 16 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La Inteligencia Artificial (IA) se ha convertido en una herramienta estratégica para optimizar la selección de personal, al mejorar la precisión en la identificación de candidatos y reducir los tiempos de contratación. Este estudio tuvo como objetivo comparar el desempeño de tres algoritmos de clasificación: Random Forest (RF), Máquinas de Soporte Vectorial (SVM) y Redes Neuronales Profundas (DNN), evaluados mediante métricas como accuracy, recall, F1-score, tiempos de ejecución, gap de generalización y Área Bajo la Curva ROC (AUC). El conjunto de datos utilizado proviene de Kaggle (Predicting Hiring Decisions in Recruitment Data), con 1.500 registros, 10 variables predictoras y la variable objetivo HiringDecision, incluye datos demográficos, historial laboral y evaluaciones del proceso de selección. Se diseñó una metodología propia ajustada a las necesidades de selección de personal, con fases para la preparación de datos, balanceo de clases con SMOTE, entrenamiento de modelos, ajuste de hiperparámetros y análisis de métricas en dos escenarios: sin balanceo y con SMOTE, empleando Python y bibliotecas como Scikit-learn y TensorFlow. Los hallazgos muestran que RF sin balanceo alcanzó el mayor AUC (0.94) y la mejor combinación de accuracy (91%), recall (82%) y F1-score (84%). SVM destacó por su rapidez y bajo gap de generalización (3.2%), y DNN obtuvo un AUC adecuado (0.92), aunque con mayor costo computacional. RF se posiciona como el modelo más apropiado para la selección de personal por su equilibrio entre rendimiento y capacidad predictiva, mientras que SVM se presenta como una alternativa eficaz en escenarios donde la velocidad es prioritaria.

Zitieren

APA

Vélez, J. J. M., & Cevallos, R. A. A. (2025). Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal. Revista Científica Multidisciplinar G-nerando, 6(2). https://doi.org/10.60100/rcmg.v6i2.842

Vancouver

Vélez JJM, Cevallos RAA. Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal. Revista Científica Multidisciplinar G-nerando. 2025;6(2). doi:10.60100/rcmg.v6i2.842

BibTeX
@article{Vlez2025,
  author = {Vélez, Jonathan Joel Mendoza and Cevallos, Roberth Abel Alcívar},
  title = {Análisis Comparativo de algoritmos de Inteligencia Artificial para procesos de selección de personal},
  journal = {Revista Científica Multidisciplinar G-nerando},
  year = {2025},
  volume = {6},
  number = {2},
  doi = {10.60100/rcmg.v6i2.842}
}
Kostenlos starten →